近期，中国科学院合肥物质院智能所黄河研究员团队提出了一种基于神经辐射场（NeRF）与Segment Anything Model 2（SAM2）融合的交互式无监督植物快速表型提取框架IPENS，实现了对水稻和小麦等作物多器官的高精度三维点云提取，显著提升了植物表型分析的效率与准确性。该研究成果已正式发表于植物表型学领域知名期刊Plant Phenomics（中国科学院一区TOP期刊）上。

植物表型分析是现代智慧育种的核心技术之一。传统方法依赖大量人工标注数据，成本高、周期长，且难以处理遮挡严重的小目标（如稻穗、籽粒）。IPENS框架通过结合NeRF的高质量三维重建能力与SAM2的强大视频分割与传播能力，实现了无需标注、单轮交互、多目标三维点云同步提取。该方法在水稻数据集上实现了籽粒、叶片和茎秆的mIoU达63.72%，籽粒体素体积预测R²为0.77，叶片面积预测R²为0.84，叶片长宽R²约0.97和0.87；在小麦数据集上表现更为突出，mIoU达89.68%，穗部体积预测R²高达0.9956，叶片面积预测R²接近1.0，叶片长宽R²约0.99和0.92。整个提取过程仅需3分钟，极大提升了表型提取的时效性。IPENS框架还具备良好的跨物种能力，可适用于多种作物器官的提取任务，为智慧育种提供了高效、低成本、非侵入式的表型数据获取方案。

论文第一作者为智能所博士研究生宋文韬，指导老师为黄河研究员，通讯作者为孙友强副研究员。该研究得到了国家重点研发计划和中国科学院战略性先导科技计划的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S2643651525001128

图1 IPENS表型提取框架的总体技术路线

图2 IPENS在多个作物上进行三维重建的效果图